Brand safety 2026-ban: a keyword-blocklist halott, a kontextus-AI él — 12 dimenzió 50ms alatt

Még 2022-ben dolgoztunk egy bevezetett blue-chip márka brand-safety listáján. 4 800 tiltott kulcsszó, hatféle nyelven. Egy autógyár volt, és a 'crash' szó természetesen a tiltólistán. Hat hónap után rájöttünk: a 'crash test' lapok blokkolódnak — pont az a tartalom, ami az autógyárnak releváns lett volna. A keyword-blocklist halott. 2026-ban kontextus-AI-val osztályozunk.

Miért bukott meg a kulcsszavas megközelítés

Három strukturális hiba.

False positive arány: a mi méréseink szerint a kulcsszó-alapú blokkolás a brand-safe oldalak 11-14%-át hibásan szűri ki. Ez a kétmilliárd forintos kampánynál 220-280 millió forint elveszett impresszió.

False negative arány: a tényleg káros oldalak 23%-a átcsúszik, mert nem a tiltott kulcsszót használja. A 'merénylet' tiltva van, az 'incidens' nincs. Ugyanaz a tartalom.

Karbantarthatatlanság: a listák féléven belül elavulnak. Egy ügyfél 18 000 soros listáját néztük át 2024-ben — 41% volt 2018 előtti szókészlet, és 6% már nem is létező weboldal-szótár volt.

A 12 dimenzió, amit ma mérünk

A kontextus-AI 12 független dimenzión osztályozza az oldalt, mindegyik 0.0-1.0 confidence score-ral. A 12 IAB-aligned, de részben saját.

1. Erőszak (graphic / news-reportage / fictional megkülönböztetés)
2. Felnőtt-tartalom
3. Drog és alkohol
4. Politikai szenzitivitás (országonként eltérő küszöb)
5. Vallási szenzitivitás
6. Hate speech
7. Tragédia és katasztrófa (friss vs. történelmi)
8. Pénzügyi spekuláció / scam
9. Egészségügyi félrevezetés
10. Termék-konfliktus (versenytárs említés)
11. Gyermek-jelenlét (nem káros, csak kontextus-jelzés)
12. Tone: humoros / komoly / kritikus / promóciós

A hirdető nem egy globális 'safe / unsafe' bitet kap, hanem 12 score-ot, és márkánként konfigurálja a küszöböt. Egy energiaital-márka tűri a 0.7 'tone: kritikus' oldalt; egy biztosító nem.

A latencia, ami kritikus

RTB-tranzakcióban 80-120 millisecundumunk van összesen a teljes auction-re. A brand-safety osztályozásra ebből 50ms a hard limit. Ezt nem futtatjuk LLM-mel — a Sonnet 4.6 első tokenje 600-900ms. A 12-dimenziós osztályozó egy disztillált, oldal-szövegre fine-tune-olt 180M paraméteres modell, GPU-n 38ms átlag, 47ms p99. A 'tone' dimenziót külön, gyorsabb klasszifikátor adja, 12ms.

A disztilláció tanítóhalmaza: 280 000 oldal, mindegyik kétfős emberi auditor-páros által címkézve. A felülvizsgálati körök száma: 4. Az inter-annotator agreement Cohen-kappa: 0.81 a 12 dimenzió átlagán.

Cache-elés és real-time

A legtöbb oldal 24 órán belül nem változik radikálisan. URL-szintű cache, 6 órás TTL, körülbelül 78%-os cache-hit rate egy átlagos napon. Ez azt jelenti, hogy a 50ms-os SLA-t valójában csak az új URL-ek 22%-ára kell tartanunk.

A frissítés trigger-elve van — ha az oldal HTML-je hash-szinten változott a cache-eltt verzióhoz képest, újraosztályozzuk. A breaking-news oldalak így óránként újraértékelődnek.

A mérhető eredmény

Egy 2025 Q4 audit a régi keyword-listához képest, hat hirdetőn összesítve:

• False positive csökkent: 12.4% → 1.8% (–10.6 százalékpont)
• False negative csökkent: 23% → 4.1%
• Inventory-elérés nőtt: +18% azonos brand-safe küszöb mellett
• Hirdetői panaszbejelentések: havi 7 → havi 1 (mindegyik kontextus-AI rare-case, nem strukturális)

Amit nem old meg az AI

A modell nem dönti el helyetted, mit tartasz brand-safe-nek. A küszöbértékek konfigurációja továbbra is emberi munka, márkánként, kampányonként. És az audit-trail kötelező: minden blokkolt vagy engedélyezett oldalhoz tartozik egy 12-score-os döntésrekord, amit a hirdető egy IAB-aligned dashboardon kérdezhet le.

A modell nem ért minden kontextust. Szatírát rendre rosszul címkéz. Régiónként eltérő politikai érzékenységet egyenletesen kezel. Ezekre van escalation queue — havi 0.4% oldal kerül emberi auditra.

Takeaway

A brand safety 2026-ban nem 'tiltott szó' kérdés, hanem confidence-score-os, kontextus-tudatos, dimenziók szerinti döntés. A 12 score külön értelmezhető és márkánként hangolható. A 50ms latencia és a 78% cache-hit nem optimalizálási mellékhatás — az teszi a rendszert RTB-ben élővé.